Patterns of injuries and injury severity among hospitalized road traffic injury (RTI) patients in Bangladesh
Notice bibliographique
Résumé
BACKGROUND: Road traffic injuries (RTIs) are one of the key public health issues worldwide causing 1.3 million deaths every year. This study aimed to determine the patterns of injuries due to road traffic accidents (RTAs), the severity of injuries, and factors associated with injury severity. METHODOLOGY: A cross-sectional study was conducted among RTA victims, who attended two large tertiary care hospitals located inside the Dhaka metropolitan area, through structured interview between 28 January and 22 March 2020. RESULTS: Among 375 RTI patients, a total of 1390 injuries were recorded among interviewed patients, yielding a mean of 3.7 injuries per patient. The most frequently injured systems were external (n = 351), lower limb (n = 235), head and neck (n = 151), and face (n = 150). The mean ISS were 20.96 ± 12.027 with a maximum of 65 and a minimum of 4. Among patients, 87 (23.20%) had a severe injury, and 37 (9.87%) patients were critically injured. A statistically significant variation in ISS was observed in ANOVA among various categories of age, education, occupation, and purpose of going outside, vehicle type and fitness, accident type, road type, times required in hospitalization, and death history (p < 0.05). CONCLUSIONS: Our study has revealed several important findings which will help stakeholders and policymakers devise better policies to reduce RTA and RTA related injuries in Bangladesh.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».